GPT-4o Miniの機能とアプリケーションをご覧ください。OpenAIの最新かつ最も費用対効果の高いモデルは、GPT-3.5 Turboよりも60%安価で高度なAI機能を提供します。
2024年5月、OpenAIはGPT-4oをリリースしましたが、わずか3ヶ月後には、またしても印象的なモデルであるGPT-4o Miniを発表しました。2024年7月18日、OpenAIはGPT-4o Miniを発表し、彼らはそれを「最も費用対効果の高いモデル」と呼んでいます！GPT-4o Miniは、以前のモデルの機能を基に構築されたコンパクトなモデルであり、高度なAIをよりアクセスしやすく、手頃な価格にすることを目指しています。
GPT-4o Miniは現在、テキストとビジョンのインタラクションをサポートしており、将来のアップデートで画像、ビデオ、オーディオを処理する機能が追加される予定です。この記事では、GPT-4o Miniとは何か、その優れた機能、使用方法、GPT-4とGPT-4o Miniの違い、およびさまざまなコンピュータビジョンのユースケースでの使用方法について説明します。GPT-4o Miniが提供するものを見てみましょう！
GPT-4o Miniは、OpenAIのAIモデルのラインナップに新たに追加されたもので、より費用対効果が高く、アクセスしやすいように設計されています。これはマルチモーダル大規模言語モデル（LLM）であり、テキスト、画像、ビデオ、オーディオなど、さまざまな種類のデータを処理および生成できます。このモデルは、GPT-4やGPT-4oなどの以前のモデルの強みを基に構築されており、コンパクトなパッケージで強力な機能を提供します。
GPT-4o Miniは、GPT-3.5 Turboよりも60％安価で、100万入力トークン（モデルが処理するテキストまたはデータの単位）あたり15セント、100万出力トークン（モデルが応答で生成する単位）あたり60セントです。それを理解するために、100万トークンは、約2,500ページのテキストの処理に相当します。128Kトークンのコンテキストウィンドウと、リクエストあたり最大16Kの出力トークンを処理できる機能を備えたGPT-4o Miniは、効率的かつ手頃な価格になるように設計されています。
GPT-4o Miniは、さまざまなアプリケーションに最適なオプションとなる幅広いタスクをサポートしています。複数のAPIの呼び出し、完全なコードベースや会話履歴などの大量のデータの処理、カスタマーサポートチャットボットでの迅速なリアルタイム応答の提供など、複数の操作を同時に実行する場合に使用できます。
以下に、その他の主要な機能を紹介します。
GPT-4oミニはChatGPT インターフェイスから使用することができます。GPT-4oミニは、以下のようにGPT-3.5を置き換えて、フリー、プラス、チームユーザーがアクセスできます。すべての人にAIの恩恵を提供するというOpenAIの目的に沿って、エンタープライズユーザーもまもなくアクセスできるようになります。GPT-4o Miniは、アプリケーションにその機能を統合したい開発者のために、APIを通じて利用することもできます。現時点では、ビジョン機能はAPIを通じてのみアクセス可能である。
GPT-4o MiniとGPT-4oはどちらも、さまざまなベンチマークで優れたパフォーマンスを発揮します。GPT-4oは一般的にGPT-4o Miniよりも優れていますが、GPT-4o Miniは日常的なタスクに対して依然として費用対効果の高いソリューションです。ベンチマークには、推論タスク、数学とコーディングの習熟度、およびマルチモーダル推論が含まれます。下の画像に示すように、GPT-4o Miniのベンチマークは、他の一般的なモデルと比較して非常に高いです。
オンラインで議論されている興味深いプロンプトは、一般的なLLMが10進数を誤って比較することです。GPT-4oとGPT-4o Miniをテストしたところ、その推論能力には明確な違いが見られました。下の画像では、どちらのモデルにも9.11と9.9のどちらが大きいかを尋ね、その理由を説明させました。
どちらのモデルも最初は誤って応答し、9.11の方が大きいと主張します。しかし、GPT-4oは正しい答えを導き出すことができ、9.9の方が大きいと述べています。詳細な説明を提供し、小数を正確に比較します。対照的に、GPT-4o Miniは、9.9の方が大きい理由を理解しているにもかかわらず、最初の誤った答えを頑なに維持します。
どちらのモデルも強力な推論スキルを示しています。GPT-4oの自己修正能力は、より複雑なタスクに適しており、優れています。GPT-4o Miniは適応性は低いものの、より単純なタスクに対して明確で正確な推論を提供します。
コードに深く入り込むことなくGPT-4o Miniのビジョン機能を試したい場合は、OpenAI PlaygroundでAPIを簡単にテストできます。GPT-4o Miniがさまざまなコンピュータビジョン関連のユースケースにどれだけ対応できるかを確認するために、実際に試してみました。
GPT-4oミニに、蝶と地図の2つの画像をclassify もらった。AIモデルは蝶と地図の識別に成功した。画像が全く異なることを考えると、これはかなり単純なタスクである。
さらに、モデルを通して 2 つの画像を実行しました。1 つは植物にとまっている蝶、もう 1 つは地面にとまっている蝶です。AI は再び素晴らしい仕事をし、植物にとまっている蝶と地面にとまっている蝶を正しく見つけました。そこで、さらに一歩進んでみました。
1つは沼のミルクウィードの花を食べる蝶、もう1つはジニアの花を食べる蝶です。このモデルが、さらなる微調整なしに、これほど具体的なラベルをclassify できたことは驚きです。これらの簡単な例は、GPT-4o Miniがカスタムトレーニングなしで画像分類タスクに使用できる可能性があることを示しています。
現在のところ、物体検出や インスタンス分割のようなコンピュータ・ビジョンのタスクはGPT-4o Miniでは処理できません。GPT-4oは精度に苦戦していますが、そのようなタスクには使用できます。ポーズを理解することに関しては、画像中のポーズをdetect したり推定したりすることはできませんが、ポーズをclassify 理解することはできます。
上の画像は、GPT-4o Miniがポーズの正確な座標をdetect または推定できないにもかかわらず、どのようにポーズをclassify し、理解できるかを示しています。これは様々な用途に役立つ。例えば、スポーツ分析では、アスリートの動きを幅広く評価し、怪我の予防に役立てることができる。同様に、理学療法では、リハビリ中に患者が正しい動きをしているかどうかを確認するためのエクササイズをモニタリングするのに役立つ。また監視では、一般的なボディランゲージを分析することで、不審な行動を特定するのに役立つ。GPT-4oミニは、特定のキーポイントをdetect ことはできませんが、一般的なポーズをclassify する能力があるため、これらの分野やその他の分野で役立ちます。
GPT-4o Mini でできることを見てきました。次に、GPT-4o Mini を使用するのが最適なアプリケーションについて説明します。
GPT-4o Miniは、高度な自然言語理解を必要とし、計算量が少ないアプリケーションに最適です。通常はコストが高すぎてAIを統合できないアプリケーションにAIを統合することが可能になります。実際、Artificial Analysisによる詳細な分析では、GPT-4o Miniは、他のほとんどのモデルと比較して、非常に高速な速度で高品質の応答を提供することが示されています。
将来的に重要な役割を果たす可能性のある分野をいくつかご紹介します。
GPT-4o Miniは、マルチモーダルAIの未来に新たな機会を創出しています。各テキストまたはデータの処理にかかる費用（トークンあたりのコストとして知られています）は、GPT-3モデルであるtext-davinci-003がリリースされた2022年以降、ほぼ99％も大幅に減少しました。コストの減少は、高度なAIを手頃な価格にするという明確な傾向を示しています。AIモデルが改善し続けるにつれて、AIをすべてのアプリとWebサイトに統合することが経済的に実行可能になる可能性がますます高まっています！
AIを実際に体験してみませんか？GitHubリポジトリにアクセスして、当社のイノベーションをご覧になり、活発なコミュニティに参加してください。当社のソリューションページで、製造業や農業におけるAIアプリケーションの詳細をご覧ください。
